تاریخ:
برد دشوار عباسپور؛ فرنگی‌کار ۶۰ کیلوی ایران به نیمه نهایی رسید 
درس نود و هشت
کاهش ۱۰۰ برابری مصرف انرژی هوش مصنوعی توسط ژاپنی ها
محققان ژاپنی، دستگاهی مبتنی بر گرافن و ژل یونی توسعه داده‌اند که با الهام از ساختار مغز، محاسبات یادگیری ماشین را تا ۱۰۰ برابر کم‌مصرف‌تر می‌کند.
با رشد روزافزون استفاده از فناوری‌های یادگیری ماشین، مصرف انرژی این سیستم‌ها نیز به طور قابل توجهی افزایش یافته و نیاز به دستگاه‌های هوش مصنوعی با مصرف انرژی پایین و عملکرد محاسباتی بالا بیش از پیش احساس می‌شود.
در این میان، دستگاه‌های موسوم به “Physical Reservoirs” یا رزرویرهای فیزیکی، به دلیل پردازش اطلاعات الهام‌گرفته از مغز و توانایی انجام محاسبات کم‌مصرف با بار محاسباتی پایین مورد توجه قرار گرفته‌اند. با این حال، عملکرد محاسباتی پایین‌تر نسبت به پردازش نرم‌افزاری تاکنون یک محدودیت جدی بوده است.
محققانی از مرکز علوم مواد ملی ژاپن (NIMS)، دانشگاه توکیو و دانشگاه کوبه موفق به توسعه یک دستگاه مبتنی بر ترانزیستور لایه دوگانه الکتریکی با ژل یونی و گرافن (Ion-Gel/Graphene Electric Double Layer, EDL) شدند که با عنوان Ion-Gating Reservoir (IGR) شناخته می‌شود. این دستگاه عملکرد محاسباتی بسیار بالایی ارائه می‌دهد که با یادگیری عمیق نرم‌افزاری قابل مقایسه است، در حالی که بار محاسباتی را به حدود یک‌صدم کاهش می‌دهد.
کلید موفقیت این سیستم در ترکیب گرافن با تحرک الکترونی بالا و رفتار امبی‌پلاری (ambipolar) و ژل یونی نهفته است. تعامل پیچیده بین یون‌ها و الکترون‌ها موجب می‌شود که دستگاه بتواند به سیگنال‌های ورودی با ثوابت زمانی گسترده و متغیر پاسخ دهد و انواع پاسخ‌ها با سرعت‌های مختلف ایجاد شود. این ویژگی، انعطاف و دقت بالای محاسباتی را به همراه دارد.
به گفته محققان، این دستگاه که به Physical Reservoir Computing شهرت دارد، عملکرد بالاترین سطح را در میان رزرویرهای فیزیکی مرسوم ارائه کرده و توانسته مصرف انرژی و بار پردازشی را به شدت کاهش دهد. علاوه بر این، طراحی مبتنی بر گرافن و ژل یونی به این سیستم اجازه می‌دهد تا به راحتی با الکترونیک انعطاف‌پذیر و دستگاه‌های لبه‌ای نسل آینده سازگار شود، که این موضوع آن را به گزینه‌ای مناسب برای کاربردهای پیشرفته هوش مصنوعی تبدیل می‌کند.
این نوآوری می‌تواند تحولی در ساخت تراشه‌های کم‌مصرف هوش مصنوعی، پردازش داده‌های لبه‌ای و اینترنت اشیا (IoT) مبتنی بر یادگیری ماشین ایجاد کند و نشان دهد که ترکیب مواد پیشرفته مانند گرافن با طراحی الهام‌گرفته از مغز، می‌تواند اثربخشی و پایداری انرژی سیستم‌های هوشمند را به شدت افزایش دهد.
منبع: ایرنا
لینک کوتاه: کپی لینک
مخترع موتور دیزل به طرز مرموزی ناپدید شد؛ ۷ مهر ۱۲۹۲ منشور کوروش؛ ماجرای استوانه‌ای سفالی با عمر دو هزار و پانصد و شصت‌وپنج ساله علم روان‌شناسی پاسخ می‌دهد: چرا بعضی آدم‌ها در برابر فهمیدن مقاومت می‌کنند؟ تخلیه خشم لزوماً حالتان را بهتر نمی‌کند؛ راهکارهای آرام‌کننده مؤثرتر هستند برای هر غذایی چه پیازی باید استفاده کرد؟(اینفوگرافیک) یافته شگفت‌انگیز علم روان‌شناسی: ارتباط ظریف میان سرعت سخن گفتن و ادب داریوش بزرگ چگونه شاهنشاهی هخامنشی را دوباره سرپا کرد؟ روش‌های عجیب تکدی‌گری در تهران قدیم؛ کسب درآمد از مرده بی‌صاحب ایرانی ها چطور با تریاک آشنا شدند؟ تصمیم‌گیری درست چیست؟ آموزش گام‌به‌گام و نکات کلیدی برای انتخاب بهتر «بچه ناف تهرون» کیست؟ دستمزدهای فیلم‌فارسی چگونه جابجا شد؟/ فردین گران‌ترین بازیگر بود چرا ظل السلطان، پسر بزرگ ناصرالدین شاه به پادشاهی نرسید؟(+عکس) پارادوکس شادی و اندوه؛ چرا پشت تحولات مثبت، سوگی پنهان نهفته است؟ این ۶ عادات قدیمی نظافت را کنار بگذارید